土壤质地是土壤的重要自然属性之一,其组成特征能够反映成土母质来源和状况,影响土壤的抗风蚀能力、保水能力、土壤养分和土壤容重等。土壤质地与土壤光谱反射率存在相关性,能够影响土壤的高光谱反射率,对土壤质地的高光谱响应波段进行研究,为快速获取土壤质地信息提供理论支持。为有效利用光谱反射率数据,增强光谱反射率与土壤质地的相关性,寻找土壤质地与反射率的响应光谱,以博斯腾湖西岸湖滨绿洲为研究区,通过对光谱反射率R进行5种数学变换和10个尺度的连续小波变换分解,增强光谱数据与土壤质地的相关性,筛选敏感波段,分别建立统计分析模型（偏最小二乘）和机器学习模型（随机森林、支持向量机）,对比应用广泛的统计分析模型和新兴的机器学习模型对于土壤质地的估算效果,采用决定系数R~2、均方根误差RMSE、相对分析误差RPD来判定模型的估算精度和估算能力,寻找合适的数据处理方法与模型的组合估算土壤颗粒的黏粒、粉粒和砂粒含量,并结合光谱反射率和土壤质地响应关系的数学公式来提取土壤质地与土壤高光谱反射率的响应波段。主要结论如下:（1）研究区0～50cm深度土壤质地主要为粉壤土,其次为粉土和砂壤土,最后是壤砂土,土壤颗粒以粉粒为主,粉粒（72.69%）＞砂粒（21.68）＞黏粒（5.63%）,土壤质地机械组成平均粒度Φ在不同深度变化分别为5.60、5.76、5.76、5.73、5.44,表现为粗-细-粗的特征,分选性较差,偏态曲线为正偏近对称分布,多表现为单峰变窄。0～50cm深度土壤质地土壤颗粒空间变化表现为黏粒百分比含量高的区域出现在研究区的东南部,粉粒百分比含量高的区域出现在西南和东北部,砂粒百分比含量与粉粒的空间变化相反。（2）对光谱反射率R进行5种数学变换后,一阶微分R’的相关系数高于其他数学变换,通过显著性检验（p=0.01）的波段数量最多,粉粒（628）＞砂粒（573）＞黏粒（294）,相关系数最高的波段为1194nm,相关系数绝对值为0.47;敏感波段集中在750、1021、1283～1284、1789～1792、2173～2175、2234～2235、2359nm。反射率经过连续小波变换（CWT）,进行10个尺度分解,第5尺度相关性最强,敏感波段集中为1194～1195、1663～1664、1745～1748、2359nm,其中1745～1748nm相关系数r~2介于0.24～0.25,相关系数最高。（3）利用拟合优度公式,能够增强土壤质地与土壤高光谱反射率的响应关系。其中R’的750、1021、1194、1283、1284、1608、1746、2243、2359nm共9个波段的通过了显著性检验（p=0.01）,相关系数高于其他波段,拟合优度最优为0.87。经过CWT变换后,第2尺度的1746、2359nm、第3尺度的1194、1282、2359nm、第4尺度的1663、1745、1746nm和第5尺度的1745～1748nm的4个波段相关系数高,拟合优度较好。（4）CWT5-SVM组合模型估算效果最优,能较好估算土壤粉粒含量,粗略估计砂粒含量。构建RF模型,R’筛选的敏感波段建模,与粉粒的建模集和验证集效果最优,决定系数R~2分别为0.74和0.82,RMSE分别为10.19和7.37,RPD为2.04;构建SVM模型,R’筛选的敏感波段建模,与砂粒的建模集和验证集效果最优,R~2为0.76,RPD为1.84。一阶微分R’对RF和SVM模型均具有较好的响应关系,能较好的估算土壤粉粒和砂粒含量信息。经过CWT变换后,第5尺度与粉粒和砂粒建立的SVM模型均具有较好的响应关系,验证集R~2分别为0.81和0.80,RMSE分别为7.63和8.37,RPD分别为2.03和1.81。一阶微分变换R’优于其他4种数学变换,CWT变换第5尺度建模效果最优;SVM模型略优于RF模型;对粉粒的估算效果优于砂粒,黏粒估算效果差。